基于多特征判斷下的目標識別跟蹤

趙張楨　白佳華

摘 要：隨著計算機數(shù)字圖像處理的技術(shù)日趨完善，在自主式移動機器人對運動目標進行跟蹤時，視覺系統(tǒng)主要完成目標的識別與跟蹤，提高目標識別與跟蹤的實時性和準確性是保證機器人跟蹤順利的關(guān)鍵。針對此提出了一種基于四旋翼飛行器識別物體控制智能車運動的算法。

關(guān)鍵詞：圖像處理；識別；跟蹤

中圖分類號：TP391.41 文獻標志碼：A 文章編號：2095-2945（2018）35-0020-02

Abstract： With the improvement of computer digital image processing technology， the vision system mainly accomplishes the recognition and tracking of the moving object when the autonomous mobile robot tracks the moving object. To improve the real-time and accuracy of target recognition and tracking is the key to ensure the smooth tracking of robot. In this paper， an algorithm based on four-rotor aircraft to identify objects and control the motion of intelligent vehicle is proposed.

Keywords： image processing； recognition； tracking

1 圖像識別處理條件與背景

本實驗通過手動遙控四旋翼飛行平臺，利用機載攝像頭傳感系統(tǒng)感知信標道路環(huán)境，使用了自動控制、體系結(jié)構(gòu)、計算機視覺等原理與技術(shù)。本實驗是利用機載傳感器來感知整個場地信息，根據(jù)傳感器感知周圍情況，使得車輛和信標保持相對安全的距離行駛。

2 基于顏色特征的目標識別算法

2.1 圖像預(yù)處理

由于實際的圖像在傳入時的角度，光線，分表率等因素，使得圖像出現(xiàn)各種情況，因此對圖像進行前期預(yù)處理，使得運算量減少。利用攝像頭模組采集回來的現(xiàn)場照片，由于現(xiàn)場光線和一些不確定因素的干擾太大，對此本實驗在攝像頭模組上加裝了濾光片，加裝濾光片后的圖像去除了大部分的干擾因素。

由于原圖分辨率與尺寸太大，對此本實驗對原圖像進行裁剪來減少需要處理的數(shù)據(jù)，隨后對把圖像轉(zhuǎn)換為灰度圖像并二值化，圖像灰度增強屬于基于空域的圖像增強技術(shù)，直接對圖像采取像素級別的處理，來使得圖像表現(xiàn)力更強。通過灰度處理可以動態(tài)的增大圖像的范圍，使圖像變得更加清晰。為了圖像信息獲取和識別，要抑止不感興趣的區(qū)域，突出感興趣的區(qū)域特征。

二值化后的視頻流中有明顯的椒鹽噪點，對此本實驗對二值化后的圖像進行圖像形態(tài)學(xué)處理，達到對圖像分析和識別的目的。本實驗先采用形態(tài)學(xué)閉消除小的空洞，填補輪廓線的中的斷裂，再采用操作形態(tài)學(xué)開操作去除一些細小的噪點。

2.2 ROI（感興趣區(qū)域）區(qū)域的輪廓的查找與判斷

在對圖像進行邊緣提取之前，先將視頻流中的每一幀RGB圖像轉(zhuǎn)化為HSV空間圖像，再對所得的HSV空間圖像進行分離，然后通過測試得到三個通道的閾值，并對二值化后的圖像進行二值過濾處理，便可以得到所需的紅、藍、綠三色的單通道圖像。這樣只需再對圖像進行平滑濾波處理。它的主要功能是：突出圖形中物體的邊界，將圖像中的噪聲去掉。在空域?qū)崿F(xiàn)濾波的方式是利用模板進行卷積運算。平滑濾波的最基本特點是讓圖像的高頻分量受到抑制。

濾波后，圖形需要進行邊緣檢測才能得到圖像的邊界和輪廓。邊緣檢測借助Canny邊緣檢測法來完成其最重要的特點是會將獨立的也甄別的像素近似的拼裝成輪廓。Canny算法首先用二維高斯函數(shù)的一階導(dǎo)數(shù)，對圖像進行平滑，同時抑制圖像出現(xiàn)噪點。平滑參數(shù)越小，所擬合的邊緣就越接近目標輪廓，但使圖像的平滑的能力就會相應(yīng)的變?nèi)?，也更容易產(chǎn)生圖像噪聲；平滑參數(shù)較大時則相反。當圖像完成平滑后，通過抑制梯度的振幅矩陣來獲取圖像中目標可能的輪廓點。

2.3 基于顏色的運動目標的檢測與跟蹤

本小結(jié)是建立在目標特征顏色上，實現(xiàn)了彩色視頻序列中運動目標的實時跟蹤。通過對每一幀圖像的目標的顏色特征進行提取分析，便可以在視頻流中對目標進行識別與跟蹤，對識別的每一個目標，也就是信標，車頭和車尾進行目標輪廓的中心點提取并發(fā)送給車模上的MCU控制單元進行處理。

3 基于多特征的快速目標跟蹤算法

3.1 圖像畸變處理

由于本實驗使用的攝像頭其內(nèi)部光學(xué)系統(tǒng)設(shè)計和制造的缺陷，所采集回來的圖片有明顯的桶形畸變。通過對圖像畸變處理的分析，使用圖像標定板來輔助圖像畸變的處理，其目的主要是獲取模板圖像上一定數(shù)量的控制點，根據(jù)這些控制點求出圖像的畸變映射關(guān)系，這樣可以通過映射關(guān)系對畸變圖中的各個像素點進行平行移動，從而達到畸變校正的效果。在對廣角畸變圖像校正的過程中，選擇合適的控制點個數(shù)對于圖像的校正很重要。先對需要畸變處理的攝像頭拍攝的標定板照片進行提取角點信息，在對標定好的圖像進一步進行亞像素角點信息的提取，然后設(shè)定好待求的世界坐標系、圖形坐標系、攝像頭模組的內(nèi)參矩陣和圖像畸變矩陣，并通過Opencv自帶的API函數(shù)算出這些值的大小，并輸出。

接下來利用所求攝像頭模組的內(nèi)參矩陣和圖像畸變矩陣等數(shù)據(jù)來修正圖像，通過對所使用攝像頭內(nèi)參與圖像參數(shù)的計算，可以很好的解決由于攝像頭本身缺陷所導(dǎo)致的圖像畸變問題。利用畸變修正后的圖像可以很好避免畸變所帶來的目標坐標不精準問題。

3.2 圖像凸包提取與識別

在計算機幾何圖像學(xué)中，凸包就是在一給定的二維面上的某一點集中最外層點所能連接構(gòu)成的最大凸多邊形。當然，它是能包含點集中所有點的多邊形。本實驗通過實驗發(fā)現(xiàn)，調(diào)節(jié)二值化的閾值可以來識別圖像中不同對比度和亮度的凸包。先把攝像頭采回的彩色圖像裝換為灰度圖像，然后把圖像二值化，得到比較突出的目標。把圖像上突出的目標的輪廓提取出，再在所有得到的輪廓中尋找每個輪廓的凸包，并把凸包面積太小和太大的物體過濾掉。經(jīng)過平滑濾波后，可以清晰得到三個目標凸包。

3.3 整體方案總結(jié)

本方案是基于目標顏色特征的跟蹤算法的改進與優(yōu)化，并運用顏色特征算法結(jié)合目標輪廓與圖像凸包的提取，有效地提高了目標識別與跟蹤的實時性和準確性。

首先利用OV2710攝像頭模組對信標場地進行圖像信息采集，把采集回來的圖像進行畸變處理然后進行圖像分割與剪切，接著把圖像灰度化并做二值化處理；通過形態(tài)學(xué)開閉操作去除一些細小的噪點與打通一些連通區(qū)域；然后提取圖像上突出的目標的輪廓與圖像凸包，進行面積大小與形狀的處理后可以得到三個目標輪廓，并把目標坐標返回；同時把灰度圖像進行不同閾值的二值過濾處理，分別得到藍色和綠色的目標，也就是車頭和車尾，把藍色和綠色的輪廓標出，并返回兩者坐標。這樣一共發(fā)送給MCU控制單元五個坐標，其中兩個是車頭，兩個位車尾，通過坐標分析便可以得到信標坐標。

參考文獻：

[1]邵貝貝.單片機嵌入式應(yīng)用的在線開發(fā)方法[M].北京：清華大學(xué)出版社，2004.

[2]劉進，齊曉裁，李永科.基于攝像頭的智能小車設(shè)計與實現(xiàn)[J].傳感器世界，2008，14（2）：34-37.

[3]卓晴，黃開勝，邵貝貝，等.學(xué)做智能車——挑戰(zhàn)“飛思卡爾”杯[D].北京航空航天大學(xué)，2007.

[4]梁亮.一種基于網(wǎng)格圖像的幾何畸變修正方法[J].計算機應(yīng)用與工程，2004（2）.

[5]龐曉敏，閔子建.基于HSI和LAB顏色空間的彩色圖像分割[J].廣西大學(xué)學(xué)報：自然科學(xué)版，2011，36（6）：5-7.

[6]尹宏鵬.基于計算機視覺的目標跟蹤算法研究[D].重慶大學(xué)，2009：3-6.

[7]韓思奇，王蕾.圖像分割的閾值法綜述[J].系統(tǒng)工程與電子技術(shù)，2005，24（6）：69-94.